MétaCan
Menu
Retour à la cohorte
Enregistrement W2903856847 · doi:10.15454/1.5191176806543086e12

Des outils pour fiabiliser les fermentations des vins et cidres biologiques en utilisant les levures et bactéries indigènes.

2018· preprint· en· W2903856847 sur OpenAlexaff
Patrick Lucas, Jean Luc Legras, Marina Bely, Cécile Miot‐Sertier, Mariette El Khoury, Hugo Campbell-Sills, Marine Börlin, Julie Maupeu, Amélie Vallet-Courbin, Valérie Pladeau, Stéphane Becquet, M. Chovelon, Rémi Bauduin, Philippe Cottereau, Morvan Coarer, M-C. Colosio

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2018
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensCentre de Santé et de Services Sociaux de la Montagne
Organismes subventionnairesnon disponible
Mots-clésBiology

Résumé

récupéré en direct d'OpenAlex

With the development of organic wines and ciders, there is a real tendency to carry out spontaneous fermentations, which involve the development of indigenous yeasts and bacteria. Indeed, these microorganisms are sometimes considered as components of the terroir that participate in the typicity of wines and ciders. However, no scientific knowledge allows us to assert such a specificity, while the lack of control of these microorganisms can lead to difficulties of fermentation, aromatic deviations or alterations. The project CASDAR Levains Bio relied on a network of laboratories, technical institutes and associations of organic producers to provide the necessary knowledge and practical solutions for carrying out indigenous fermentations with a good level of control. It has been shown that there is a wide diversity of strains of the yeast Saccharomyces cerevisiae and the lactic acid bacterium Oenococcus oeni, that strains are genetically adapted to certain products, but not to regions or production sites. Protocols have been developed to allow for the selection of strains from farms or for the production of "pieds de cuve". Some of the solutions have been successfully transferred to producers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,466
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,047
Tête enseignante GPT0,277
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetFermentation and Sensory AnalysisTravaux en français237 207